-
公开(公告)号：CN117252812A
公开(公告)日：2023-12-19
申请号：CN202311077258.7
申请日：2023-08-25
Applicant: 西安工程大学
Abstract: 本发明公开了基于三重注意双尺度残差网络的超分辨图像质量评价方法，首先，给定一幅超分辨图像，将超分辨图像不重叠的裁剪为超分辨图像块；然后，依次通过卷积层、三重注意力模块和双尺度卷积模块提取超分辨图像块的特征；最后，通过最大池化操作对特征提取阶段的输出特征进行压缩，将压缩特征送入全连接层进行非线性质量映射，输出超分辨图像块的预测质量分数。本发明采用三重注意力模块用于探索图像中的显著特征，同时设计了一个双尺度卷积模块DSCM，以捕获更加全面的图像信息，以实现更有效评价超分辨图像的目的。
-
公开(公告)号：CN110106687A
公开(公告)日：2019-08-09
申请号：CN201910285942.1
申请日：2019-04-10
Applicant: 西安工程大学
IPC: D06H3/08
Abstract: 本发明公开了一种基于计算机视觉技术的异性纤维的识别检测装置，包括机架，所述机架的头部安装有进料滚筒，所述机架的尾部安装有出料滚筒，所述进料滚筒的上端安装有第一牵引滚筒组，所述出料滚筒的上端安装有第二牵引滚筒组，所述第一牵引滚筒组和第二牵引滚筒组之间对称安装有第一拉伸滚筒和第二拉伸滚筒。本发明采用驱动相应的伺服电机运动，伺服电机运动后进而带动其输出轴的凸轮转动，当凸轮抵在限位环形槽的内壁上时，此时检测滚筒的切面运动至靠近大滚筒即可，此时CCD摄像机构将画面传输至计算机并通过大数据比对。当需要多个CCD摄像机构对比时，控制不同的伺服电机运动即可，实现不同的CCD摄像机构运行并靠近纤维进行检测。
-
公开(公告)号：CN119919370A
公开(公告)日：2025-05-02
申请号：CN202411982854.4
申请日：2024-12-31
Applicant: 西安工程大学
IPC: G06T7/00 , G06N3/0464 , G06N3/045 , G06N3/084
Abstract: 本发明公开了基于多尺度分层融合的轻量化道路缺陷检测方法，具体包括如下步骤：步骤1，构建数据集，并将数据集划分为训练集、测试集和验证集；步骤2，构建多尺度分层融合轻量化目标检测模型；步骤3，采用步骤1划分的训练集对步骤2构建的模型进行训练；步骤4，使用步骤1划分好的测试集和验证集对步骤3训练好的模型进行测试和验证，输出检测结果。本发明解决了现有检测方法采用单尺度特征提取方式存在的小目标漏检的问题。
-
公开(公告)号：CN117994134A
公开(公告)日：2024-05-07
申请号：CN202410208885.8
申请日：2024-02-26
Applicant: 西安工程大学
IPC: G06T3/4053 , G06T3/4046 , G06T7/00 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于多频域级联的超分辨图像质量评价方法，具体过程为，将SR图像裁剪成不重叠的图像块，给每个图像块分配质量标签，并利用2D_DCT将超分辨图像转换到频域，并对其进行频带分割；将经过CNN得到的特征引入到Transformer网络中，以二者相互协作的方式，同时利用局部信息和全局信息来进一步的提取超分辨图像的质量；设计一个质量分数预测模块来建立预测结果与主观分数之间的映射关系，以达到有效评价超分辨图像质量的目的。本发明的无参考型超分辨图像质量评价方法度量标准能够实现与人类主观具有更一致的感知质量评估。
-
公开(公告)号：CN104134211A
公开(公告)日：2014-11-05
申请号：CN201410352867.3
申请日：2014-07-23
Applicant: 西安工程大学
IPC: G06T7/00
Abstract: 本发明公开了一种基于高斯滤波器多分辨率滤波的带钢缺陷检测方法，采用高斯滤波器对采集的带钢图像多分辨率滤波，获得不同分辨率带钢图像；在不同分辨率带钢图像之间，采用中央周边操作获得不同分辨率带钢差分图像；对带钢差分图像融合；最后通过带钢融合图像的各行极大值的均值和各列极大值的均值中的较小均值作为分割阈值，将缺陷从带钢背景纹理中分割出来。本发明一种基于高斯滤波器多分辨率滤波的带钢缺陷检测方法，解决了现有方法检测不准确，算法复杂，不能适应冷、热轧带钢中缺陷检测的问题，能够满足冷轧、热轧带钢缺陷在线检测的准确率需要，对各类疵点检测具有较强的普适性，为带钢缺陷在线检测提供了一种新的方法。
-
Patent Agency Ranking
公开(公告)号：CN112330606B
公开(公告)日：2023-05-23
申请号：CN202011125374.8
申请日：2020-10-20
Applicant: 西安工程大学
IPC: G06T7/00 , G06V10/764 , G06N20/00 , G06Q10/30 , G01N21/88
Abstract: 本发明公开了一种基于机器学习的缺陷检测方法，S1、图像采集：对所需检测的工件不断的进行传动，传动的过程中利用图像采集模块进行采集，将所采集的图像转化为电信号传输到计算机处理器中；S2、图像分析：对采集图像所转化的数据进一步的深度分析，分析所存在的缺陷然后进行分类，本发明涉及机器学习技术领域。该基于机器学习的缺陷检测方法，通过计算机的机器学习检测方法，首先避免了传统的人工的缺陷检测所产生的误判，然后提高了对工件的全方位的性能检测，再者对存在缺陷的工件进行逐级判断，不仅可以降低对工件检测的失误率，而且能够极大的提升工件的利用率，同时极大的提高了工件的使用质量和性能。
-
公开(公告)号：CN115222958A
公开(公告)日：2022-10-21
申请号：CN202210885784.5
申请日：2022-07-26
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于深度卷积网络的织物起球缺陷等级评定方法及系统，将首层卷积层中7×7卷积核设计成三个3×3卷积核的组合，实现小目标起球特征的有效提取；在残差网络中用ReLU6激活函数替换ReLU激活函数，避免ReLU激活函数导致的权值范围相差过大破坏起球的特征信息；在残差网络中加入平均池化，利用小尺寸感受野获取起球特征信息，使得起球特征更充分，网络参数减少，避免参数过多导致过拟合。添加注意机制模型，按照通道注意力机制与空间注意力机制的并行的方式，使得织物起球特征被更充分的提取。因此，该等级评定方法可在织物起球目标微弱和织物背景纹理复杂条件下，对织物起球等级进行准确评定，满足织物起球等级评定的准确率需要。
-
公开(公告)号：CN110106687B
公开(公告)日：2021-11-30
申请号：CN201910285942.1
申请日：2019-04-10
Applicant: 西安工程大学
IPC: D06H3/08
Abstract: 本发明公开了一种基于计算机视觉技术的异性纤维的识别检测装置，包括机架，所述机架的头部安装有进料滚筒，所述机架的尾部安装有出料滚筒，所述进料滚筒的上端安装有第一牵引滚筒组，所述出料滚筒的上端安装有第二牵引滚筒组，所述第一牵引滚筒组和第二牵引滚筒组之间对称安装有第一拉伸滚筒和第二拉伸滚筒。本发明采用驱动相应的伺服电机运动，伺服电机运动后进而带动其输出轴的凸轮转动，当凸轮抵在限位环形槽的内壁上时，此时检测滚筒的切面运动至靠近大滚筒即可，此时CCD摄像机构将画面传输至计算机并通过大数据比对。当需要多个CCD摄像机构对比时，控制不同的伺服电机运动即可，实现不同的CCD摄像机构运行并靠近纤维进行检测。
-
公开(公告)号：CN112330608A
公开(公告)日：2021-02-05
申请号：CN202011127366.7
申请日：2020-10-20
Applicant: 西安工程大学
Abstract: 本发明公开了一种棉花异性纤维的互信息识别方法，具体包括如下步骤：步骤1：设备的基本处理，步骤2：异性纤维的基本成像处理，步骤3：异性纤维的总体识别，步骤4：异性纤维的细微识别，步骤5：异性纤维的后期识别纠正，步骤6：异性纤维识别信息的保存，步骤7：异性纤维识别的人工反馈，本发明涉及棉花技术领域。该棉花异性纤维的互信息识别方法，首先对棉花纤维的主体结构进行对比，静止照片环境中对主体结构识别速度较快，并且通过对目标进行宽度、长度和形状的区别，方便快速判断，同时通过对纤维表面的细微识别，能够对主体结构相差不大的纤维进行辅助精准判断，进一步提高了棉花异性纤维的识别速度。
-
公开(公告)号：CN112330606A
公开(公告)日：2021-02-05
申请号：CN202011125374.8
申请日：2020-10-20
Applicant: 西安工程大学
Abstract: 本发明公开了一种基于机器学习的缺陷检测方法，S1、图像采集：对所需检测的工件不断的进行传动，传动的过程中利用图像采集模块进行采集，将所采集的图像转化为电信号传输到计算机处理器中；S2、图像分析：对采集图像所转化的数据进一步的深度分析，分析所存在的缺陷然后进行分类，本发明涉及机器学习技术领域。该基于机器学习的缺陷检测方法，通过计算机的机器学习检测方法，首先避免了传统的人工的缺陷检测所产生的误判，然后提高了对工件的全方位的性能检测，再者对存在缺陷的工件进行逐级判断，不仅可以降低对工件检测的失误率，而且能够极大的提升工件的利用率，同时极大的提高了工件的使用质量和性能。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.018 seconds)
